【発明の詳細な説明】〔発明の属する技術分野〕この発明は、１ＴＶ（工業用テレビジョン）カメラなど
の２次元光学センサにより物体を撮像し、その輪郭情報
から予め学習によって得た情報と同じ情報をもつ物体を
抽出または識別する、例えば産業用ロボットの視覚機能
として好適な物体識別装置に関する。[Detailed Description of the Invention] [Technical Field to which the Invention Pertains] This invention captures an image of an object using a two-dimensional optical sensor such as a 1TV (industrial television) camera, and uses the same information obtained from contour information in advance through learning. The present invention relates to an object identification device suitable for extracting or identifying objects having information, for example, as a visual function of an industrial robot.
この種の装置としては、Ａｕｔｏｍａｔｉｘ社のＡｕｔ
ｏｖｉｓｉｏｎＩＩと呼ばれるものが知られている。こ
の装置悼、スタッフォード大学研究所で開発されたスタ
ンフォードアルゴリズムを用いたものである。このスタ
ンフォードアルゴリズムは、多数の特徴量（面積、長さ
／幅２周辺長１重心、傾き。This type of device is Automatix's Auto
One called ovision II is known. This device uses the Stanford algorithm developed at Stafford University Research Institute. This Stanford algorithm uses a large number of features (area, length/width, 2 perimeter, 1 center of gravity, slope, etc.).
重心からの最大炎２型心からの最小長２重心からの平均
長、穴の数、その他）を５〜１ｏ回測定して、その統計
処理により平均値や偏差値をめて設定値を決定し、これ
にもとづいて識別を行なうものである。この装置の場合
、対象とする物体が孤立したプロブ（ＢＬＯＢ）または
パターンであることが必要であり、検査時に複数の物体
同士が接触または重複していると、判定ができないかま
たは誤判定となる問題点を有している。Maximum flame from center of gravity 2 Minimum length from center 2 Average length from center of gravity, number of holes, etc.) are measured 5 to 10 times, and the set value is determined by calculating the average value and deviation value through statistical processing. , based on which identification is performed. In the case of this device, the target object must be an isolated probe (BLOB) or pattern, and if multiple objects touch or overlap during inspection, it will not be possible to make a judgment or it will be an incorrect judgment. There are problems.
この発明は、識別体象となる複数の物体が互いに接触ま
たは重複する場合でも、正しく識別することができる物
体識別装置を提供することを目的とする。SUMMARY OF THE INVENTION An object of the present invention is to provide an object identification device that can correctly identify a plurality of objects to be identified, even when they touch or overlap each other.
〔発明の要点〕この発明は、物体の輪郭を図形の基本要素であるプリミ
ティブに分割して、予め学習した物体のプリミティブ表
現と未知物体のプリミティブ表現とを照合して、そのプ
リミティブ表現の一致度により物体を識別または検出し
ようとするもので、輪郭形状が任意のものを直線２円、
楕円の３鍾類のプリミティブを使用して表現することに
より照合（ｍａｔｃｈｉｎｇ ）のための組み合わせを
少なくし、処理の短縮を図るようにしたものである。[Summary of the Invention] This invention divides the outline of an object into primitives that are basic elements of a figure, compares a previously learned primitive representation of the object with a primitive representation of an unknown object, and calculates the degree of matching between the primitive representations. It is intended to identify or detect an object by using two straight lines, two circles,
By expressing using the elliptic trigonid primitive, the number of combinations for matching is reduced and the processing time is shortened.
第１図はこの発明の実施例を示す構成図、第２図は２値
化画像例を説明するための説明図、第３図は学習モード
時の処理動作を説明するフローチャートである。第１図
において、１はｉＴＶカメラ、２は物体識別装置であり
、これは前処理回路２１、特徴抽出回路２２、画像メモ
リ２３、画像処理プロセッサ２４およびインタフェイス
回路２５等から構成されている。なお、３はモニタテレ
ビである。FIG. 1 is a block diagram showing an embodiment of the present invention, FIG. 2 is an explanatory diagram for explaining an example of a binarized image, and FIG. 3 is a flowchart for explaining processing operations in learning mode. In FIG. 1, 1 is an iTV camera, and 2 is an object identification device, which is composed of a preprocessing circuit 21, a feature extraction circuit 22, an image memory 23, an image processing processor 24, an interface circuit 25, and the like. Note that 3 is a monitor television.
背景４と配色が異なる物体５，６はｉＴＶカメラ１によ
って撮像され、ｉＴＶカメラ１からのビデオ信号は、物
体識別装置２の前処理回路２１によって２値信号に変換
される。特徴抽出回路２２は、この２値化画像を所定の
大きさの画素に分割するとともに、各画素または一水平
走査線上における画素のりもなりを表わすセグメント等
に関する情報を抽出し、ＤＭＡ （Ｊ）ｉｒｅｃ ｔ
Ｍｅｍｏｒｙ Ａｃｃｅｓｓ ）モードで画像メモリ２
３に書き込む。画像処理プロセッサ２４は、画像メモリ
２３から読み出される１１１報にもとづいて所定の画像
処理または物体の識別処理を行なう一方、インタフェイ
ス回路２５を通して学習指令または識別指令（ＩＮ）を
受け、学習した画像処理情報を図示されないメモリに格
納するか、または識別処理結果（ＯＴ）を出力する。モ
ニタＴＶ３は、ｉＴＶカメラ１にて撮像した画像をその
ま匁表示したり、あるいは第２図の如く、２値化画像を
表示したりすることができる。Objects 5 and 6 having a different color scheme from the background 4 are imaged by the iTV camera 1, and the video signal from the iTV camera 1 is converted into a binary signal by the preprocessing circuit 21 of the object identification device 2. The feature extraction circuit 22 divides this binarized image into pixels of a predetermined size, extracts information regarding segments representing the shape of each pixel or a pixel on one horizontal scanning line, etc. t
Image memory 2 in Memory Access ) mode
Write in 3. The image processing processor 24 performs predetermined image processing or object identification processing based on the 111 report read from the image memory 23, and receives a learning command or identification command (IN) through the interface circuit 25, and executes the learned image processing. The information is stored in a memory (not shown) or the identification processing result (OT) is output. The monitor TV 3 can display the image captured by the iTV camera 1 as it is, or can display a binarized image as shown in FIG.
ここで、外部から学習指令が与えられると、第３図の■
〜■に示される一連の演算処理が行なわれる。以下、こ
の順に図面を参照しつ〜説明する。Here, when a learning command is given from the outside, ■
A series of arithmetic operations shown in ~■ are performed. The following description will be made in this order with reference to the drawings.
なお、第４図は学習すべき物体とそのプリミティブ分割
態様を説明するための説明図、第５図は物体とその勾配
および曲率の関係を説明するための説明図、第６図は方
向コードとその増、減量を説明する説明図、第７図は方
向コードの決定方法を説明するための説明図、第８図は
凸点および四点を説明するための説明図、第９図は第４
図（Ａ）または第５図（Ａ）に示される物体ＯＢの階層
′４１す造を説明するための説明図、第１０図は同じく
物体ＯＢの位相関係を説明するための説明図、第１１図
は各プリミティブの主特徴点を説明するための説明図で
ある。Furthermore, Fig. 4 is an explanatory diagram for explaining the object to be learned and its primitive division mode, Fig. 5 is an explanatory diagram for explaining the relationship between the object and its slope and curvature, and Fig. 6 is an explanatory diagram for explaining the relationship between the object and its primitive division. FIG. 7 is an explanatory diagram to explain the method of determining the direction code. FIG. 8 is an explanatory diagram to explain the convex point and four points.
FIG. 10 is an explanatory diagram for explaining the structure of the hierarchy '41 of the object OB shown in FIG. 5(A) or FIG. 5(A), FIG. The figure is an explanatory diagram for explaining the main feature points of each primitive.
■セグメント情報入力まず、前処理回路２１、特徴抽出回路２２を介して画像
メモリ２３に格納された２値画像のセグメント情報が画
像処理プロセッサ２４に入力される。なお、セグメント
情報には以下の如きものがある。(2) Input of segment information First, segment information of the binary image stored in the image memory 23 is input to the image processing processor 24 via the preprocessing circuit 21 and the feature extraction circuit 22. Note that the segment information includes the following.
（イ）セグメントの長さｐ Ａｔ（ロ）セグメントの有意Ｘ座標；Ｘｉ（ハ）セグメントのＹ座標；Ｙｉ（ニ）セグメントの単片番号；Ｎ５ｉ（ホ）単片の連結対情報つまり、上記（イ）、（ロ）、（）Ｓ）は各セグメント
に固有の情報であり、（ニ）、（ホ）はセグメントどう
しの連結性を調べて、各セグメントがとのプロブまたは
パターンに属するかを知るために必要な情報である。(a) Segment length p At (b) Significant X coordinate of the segment; Xi (c) Y coordinate of the segment; Yi (d) Single piece number of the segment; N5i (e) Connection pair information of the single piece, that is, the above (B), (B), and ()S) are information unique to each segment, and (D) and (E) check the connectivity between segments to determine whether each segment belongs to the prob or pattern. This is the information necessary to know.
■境界点追跡同じプロブまたはパターンに属するセグメントの５ち、
背景と境界をなす画素（境界画素）が抽出され、この境
界画素が所定のルールで追跡される。例えば、第２図に
示される如（、テレビカメシの有効画面９内に、円形物
体７と矩形物体８とが重なって配置されているものとす
ると、画像処理プロセッサは境界画素を連ねて衣わされ
る境界線上を、図の矢印の如く左回り（右回りでもよい
）に追跡して、境界点列（ｘｂｉ）をめる。なお、Ｘ
ｌ） ｉは境界点座標をベクトル表示したもので、以後
（・）印を付してベクトル量を表わすこととする。■Boundary point tracking Five segments belonging to the same probe or pattern,
Pixels that form a boundary with the background (boundary pixels) are extracted, and these boundary pixels are tracked according to a predetermined rule. For example, as shown in FIG. 2 (assuming that a circular object 7 and a rectangular object 8 are arranged in an overlapping manner within the effective screen 9 of a television camera, the image processing processor arranges boundary pixels in a row). Trace the boundary line counterclockwise (or clockwise) as shown by the arrow in the figure to obtain a boundary point sequence (xbi).
l) i represents the coordinates of the boundary point as a vector, and from now on, the vector quantity will be indicated by adding a mark (·).
また、左（右）回りとは、プロブまたはパターンを常に
左（右）手に見ながら境界点を追跡する方向である。Further, counterclockwise (rightward) rotation is a direction in which the boundary point is tracked while always looking at the probe or pattern in the left (right) hand.
■プリミティブ分割境界画素を順次結んで得られる境界線または周は、一般
的には、図形の基本要素をもって表現することができる
。この基本要素をプリミティブと呼び、ここでは次の３
種類を考える。(2) Primitive Division Boundary A boundary line or circumference obtained by sequentially connecting pixels can generally be expressed using the basic elements of a figure. These basic elements are called primitives, and here we will introduce the following three
Think about types.
（ａ）直線または直線綜分（１ｉｎｅ、 ）（ｂ）円ま
たは円弧（ｃｉｒｃｌｅ ）（ｃ）楕円または楕円弧（
ｅｌｌｉｐｓｅ ）例えば、第４図（Ａ）の如き物体を
プリミティブに分割すると、同図（Ｂ）に示す５つのプ
リミティブＰＲ１〜５に分割できることがわかる。これ
は、人間ならば容易に識別し得るところであるが、機械
では、こう簡単には行かないので、この実施例では以下
のようにする。(a) Straight line or straight line integral (1ine, ) (b) Circle or circular arc (c) Ellipse or elliptical arc (
For example, if an object as shown in FIG. 4(A) is divided into primitives, it can be seen that it can be divided into five primitives PR1 to PR5 shown in FIG. 4(B). This can be easily identified by a human, but it is not so easy for a machine, so in this embodiment, it is done as follows.
つまり、結論的に云５と境界線の周方向の勾配ｔおよび
曲率ｋを定義し、この勾配が急変する折点や曲率の符号
が変わる変曲点をめ、これらの点によって境界線を切断
し、この切断された部分が直線２円または円弧、楕円ま
たは楕円弧のいずれであるか、すなわち、どのプリミテ
ィブで表わされるかを調べるものである。例えば、物体
の形状が第５図（Ａ）の如く表わされるものとすると、
これは点Ｐ１〜Ｐ５の集合で表わされる外周と、点Ｑ１
ｐＱ２の１Ｓ合で表わされる内周とを有しており、外周
を表わす点Ｐｉ、Ｐ３〜Ｐ４が折点てあり、内周には折
点も変曲点もないので、結局は第４図で説明した如く、
５つのプリミティブに分割されることになる。In other words, in conclusion, define the slope t and curvature k in the circumferential direction of the boundary line, find the bending point where the slope suddenly changes or the inflection point where the sign of the curvature changes, and cut the boundary line at these points. Then, it is checked whether this cut part is a straight line, two circles, a circular arc, an ellipse, or an elliptical arc, that is, which primitive is represented by it. For example, if the shape of the object is represented as shown in Figure 5(A),
This is the outer circumference represented by the set of points P1 to P5 and the point Q1
It has an inner circumference represented by the 1S combination of pQ2, and the points Pi representing the outer circumference, P3 and P4 are break points, and there is no break point or inflection point on the inner circumference. As explained in
It will be divided into five primitives.
ここで、上述の如く定義される勾配ｔについて説すｊす
る。まず、勾配（をめるために、第６図（Ａ）の如き方
向コード、および同図（Ｂ）の如き方向コードの増、減
量なる概念を導入する。これは、成る物体の２値化画像
が第７図（Ａ）の如く表わされる場合に、点Ｐｏを基点
としてＰｌ点から順に境界画素を左回りに追跡するとき
、点Ｐ１の点ｐｏに対する方向を第６図（Ａ）によって
めるとともに、点Ｐ２のＰｌに対する増、加減量を同図
（Ｂ）からめる操作を点Ｐ３ｐＰ４・曲・にっいて順次
繰り返すことにより、方向コードｄｊをめるものである
。すなわち、第７図（Ａ）の点Ｐ１は点ｐｏに対して左
刺め下にあることから、第６図（Ａ）で示される方向「
５」であることがわかり（方向コード５）、また、点Ｐ
２ｙＰ３は点Ｐ１と同方向であるから増、減量はｒＯＪ
であり、点Ｐ４では点Ｐ３の方向に対して左方向に９０
度変化しているから、第６図（Ｂ）において、点Ｐ３の
方向をｒＯＪに合わせて考えれば、方向コードの増分は
「＋２１となり、方向コードは「７」（５＋２）という
ことになる。このようにして、第７図（Ａ）の如き物体
の方向コードｄｊをめると、■→■→■→■→■→６→８→■→■→■→■→１０→
■→１２→■→０→１２→０の如くなる。なお、上記において、（○）印で囲んだ数
字は、長さが１画素のＶ７倍のものであり、他は１画素
のものである。したがって、この方向コードｄｊを周長
ＳＪとの関係で示すと、第７図ＣＢ）の如くなり、全周
長は、（６＋１２Ｖ’Ｔ ）画素長となる。Here, the slope t defined as described above will be explained. First, in order to calculate the gradient, we introduce the concept of increasing and decreasing the direction code as shown in Figure 6 (A) and the direction code as shown in Figure 6 (B). When an image is represented as shown in FIG. 7(A), when tracing the boundary pixels counterclockwise in order from point Pl with point Po as the base point, the direction of point P1 with respect to point po can be determined from FIG. 6(A). At the same time, the direction code dj is determined by sequentially repeating the operation of increasing and decreasing the point P2 with respect to Pl as shown in FIG. Since point P1 in A) is below the left sting with respect to point po, the direction shown in FIG.
5'' (direction code 5), and point P
Since 2yP3 is in the same direction as point P1, the increase and decrease are rOJ
, and at point P4, the direction is 90 to the left with respect to the direction of point P3.
Since the angle is changing, in FIG. 6(B), if the direction of point P3 is considered to match rOJ, the increment of the direction code will be "+21", and the direction code will be "7" (5+2). In this way, when we calculate the direction code dj of the object as shown in Fig. 7(A), ■→■→■→■→■→6→8→■→■→■→■→10→
■→12→■→0→12→0. Note that in the above, the numbers surrounded by (○) marks are those whose length is V7 times one pixel, and the other numbers are those that are one pixel. Therefore, when this direction code dj is shown in relation to the circumferential length SJ, it becomes as shown in FIG. 7CB), and the total circumferential length is (6+12V'T) pixel length.
ところで、このようにしてめられる方向コードｄｊは、
このま〜の値では変動が大きいので、周長ＳＪ近傍での
平均値をめ、これを勾配ｔｊ〜と定義することにする。By the way, the direction code dj set in this way is
Since the current value has a large fluctuation, the average value near the circumference SJ is determined and this is defined as the slope tj~.
つまり、勾配ｔｊは、方向コードを（１）式の如くして
スムージング（Ｓｍｏｏｔｈｉｎｇ ；平滑化）したも
のといつことができる。なお、Δ９ｊ１はｄｊ／が奇数
のときｙ’Ｔ（画素）で、偶数のとき１（画素）である
。また、ＳＪは周長ＳＪ の近傍である。また、（１）
式の分母は、その近傍の長さくｌｊ）を表わしており、
通常は１〜５画素程度に選ばれる。In other words, the gradient tj can be obtained by smoothing the direction code as shown in equation (1). Note that Δ9j1 is y'T (pixel) when dj/ is an odd number, and is 1 (pixel) when dj/ is an even number. Further, SJ is near the circumference SJ. Also, (1)
The denominator of the equation represents the length of the neighborhood (lj),
Usually, about 1 to 5 pixels are selected.
これは、この長さくｌｊ）をあまり大きくすると、勾配
ｔｊがなだらかとなって、折点や変曲点が検出できなく
なるからである。This is because if the length lj) is made too large, the slope tj becomes gentle, making it impossible to detect a break point or an inflection point.
次に、勾配ｔ、を用いて曲率ｋｊを次式の如（定義する
。Next, the curvature kj is defined using the slope t, as shown in the following equation.
このようにして、第５図（Ａ）の如き物体の外周および
内周について、勾配と曲率とをめると同図（Ｂ）、（Ｃ
）の如く表わされる。In this way, when considering the slope and curvature of the outer and inner circumferences of an object as shown in Figure 5 (A), Figure 5 (B) and (C
).
さらに、折点や変曲点は次式の如き量、すなわち急峻係
数勺によって評価する。Furthermore, the breaking point and the inflection point are evaluated by the following equation, that is, the steepness coefficient.
これは、第８図からも明らかなように、ｊ点の勾配とそ
の前後の点における勾配の平均値との差をとるものであ
り、この値ｒｊが極大で正の直のとき凸点とし、極小で
負の値のとき四点として、これら凸点と凹点とをもって
折点を表わすものとする。なお、変曲点は第５図（Ａ）
の図形には含まれていないが、勾配ｋｊの値が正から負
、または負から正の如く符号が変化する点を云い、折点
の如く急激に変化しないものである。As is clear from Figure 8, this is the difference between the slope at point j and the average value of the slopes at the points before and after it, and when this value rj is maximum and positive, it is considered a convex point. , when the value is minimal and negative, there are four points, and these convex points and concave points represent a break point. The inflection point is shown in Figure 5 (A).
Although not included in the figure, it refers to a point where the sign of the slope kj changes from positive to negative or from negative to positive, but does not change abruptly like a break point.
以上のように定義される折点（凸点、凹点）または変曲
点によって、各プロブまたはパターンの内、外周を分割
することが可能となり、この例を示したのが第４図（Ｂ
）である。It is possible to divide the inner and outer periphery of each prob or pattern by the breaking points (convex points, concave points) or inflection points defined as above, and an example of this is shown in Figure 4 (B
).
■プリミティブ属性演算ここでは、上記の如く分割された部分が、いずれのプリ
ミティブに属するかの判定が行なわれる。(2) Primitive Attribute Calculation Here, it is determined to which primitive the portion divided as described above belongs.
つまり、プリミティブの勾配ｔｊと曲率ｋｊとで表わさ
れる特徴は、一般的に第１表の如く表わされるので、こ
の性質を利用して直線であるのか、円であるのか、また
は楕円であるのかｙ判別されるとともに、以下の如く、
最小２乗法による同定が行なわれる。In other words, the characteristics represented by the gradient tj and curvature kj of a primitive are generally expressed as shown in Table 1, so using these properties, you can determine whether it is a straight line, a circle, or an ellipse. In addition to being determined, as follows:
Identification is performed using the least squares method.
第１表いま、分割された周上の境界点座標”ｂｉを通る曲線の
式を、Ｆ（交ｂ１，２ｊ）＝ｏ曲へ４）の如く表わし、その分割された部分の境界点総数をＮＢ
として、最小２乗法による評価関数δを次式によって定
義する。Table 1 Now, the equation of the curve passing through the boundary point coordinates "bi" on the divided circumference is expressed as F (intersection b1, 2j) = o to the curve 4), and the total number of boundary points on the divided part is N.B.
The evaluation function δ based on the least squares method is defined by the following equation.
この場合、境界点の数が増えると、（４）式を常に満た
す関数Ｆのパラメータが一義的に決まらないので、誤差
の２乗の総和であるδが極小となるパラメータ２ｊをめ
、このＣＪにて決まる曲線を周の部分にフィツト（適合
）する曲線とする。ここでは、３種類のプリミティブに
対して、具体的には次の各式が適用される。In this case, as the number of boundary points increases, the parameters of the function F that always satisfy Equation (4) cannot be uniquely determined, so find the parameter 2j for which δ, which is the sum of the squares of the errors, is minimum, and calculate this CJ The curve determined by is the curve that fits the circumference. Specifically, the following formulas are applied to the three types of primitives.
（士ｂｉ−２ｏ）’ε１＝０ ・・・・・・（６）（礼
、−ε。）２＝０□２ 曲・・（７）１ ）ｃｂｉ ”
ｏ ｌ−ト’ ；ｃｂｉ ’１ ’＝ ０２ −・・
（８）つまり、（６Ｌ （７）、（８）式は、それぞれ
直線。(shibi-2o)'ε1=0 ・・・・・・(6) (regards, -ε.)2=0□2 Song...(7)1)cbi”
o l-t'; cbi '1' = 02 -...
(8) In other words, (6L) Equations (7) and (8) are each straight lines.
円、楕円を表わす一般式である。なお、ＣｇｙＣｌは成
る点をベクトル表示したものであり、Ｃ□ｐｃ２は定数
である。This is a general formula representing a circle or an ellipse. Note that CgyCl is a vector representation of the points, and C□pc2 is a constant.
また、極小の条件は、ａε・としてめられ、このパラメータに関する連立方程式を解
くことによって、プリミティブの決定が行なわれる。さ
らに請求められたパラメータをらめ、なる関係を満たすとき、その線分をこのパラメータこ・
によって同定される曲線とする。なお、Ｓ。Further, the minimum condition is defined as aε·, and the primitive is determined by solving simultaneous equations regarding this parameter. Furthermore, considering the requested parameters, if the following relationship is satisfied, the line segment can be defined by this parameter.
Let the curve identified by In addition, S.
は分割劣れた周の部分の長さである。is the length of the portion of the circumference that is inferior to the division.
以上の処理が行なわれると、すべてのプロブのすべての
周（境界線）が所定のプリミティブでそれぞれ表現され
ることになる。When the above processing is performed, all circumferences (boundary lines) of all probs are respectively expressed by predetermined primitives.
次に、各プリミティブ毎に次の如き属性値がめられる。Next, the following attribute values are found for each primitive.
（ａ） ネーＡ（Ｎａｍｅ）；直線には「１」、円には
「２」、円弧には「３」、楕円には「４」、楕円弧には
「５」がそれぞれ付けられる。なお、ノイズ線分は、こ
れらのいずれとも同定できなかったプリミティブのこと
で、そのネームは「０」である。(a) Name: "1" is assigned to a straight line, "2" is assigned to a circle, "3" is assigned to a circular arc, "4" is assigned to an ellipse, and "5" is assigned to an elliptical arc. Note that the noise line segment is a primitive that cannot be identified with any of these, and its name is "0".
（ｂ） 端点；両端の座標蝿２粍（ｃ） 中心：中心座標輻（ｄ） 径（長径、短径） ｐ ＲＡ ｓ ＲＢ（ｅ）
主方向；方向ベクトルｔＰ（ｆ） 線分長；ＳＰなお、以上についてまとめると、第２表の如くなる。ま
た、主方向は、楕円については焦点を通る主軸方向、ま
た、円については一義的に定まらないので、便宜上Ｘ軸
方向（１，０）とし、直線についてはその線分方向とす
る。(b) End point: Coordinates of both ends 2mm (c) Center: Center coordinate radius (d) Diameter (longer axis, shorter axis) p RA s RB (e)
Main direction: direction vector tP (f) line segment length: SP The above is summarized as shown in Table 2. Further, for an ellipse, the principal direction is the direction of the principal axis passing through the focus, and for a circle, it is not uniquely defined, so for convenience, it is assumed to be the X-axis direction (1, 0), and for a straight line, it is assumed to be the direction of the line segment.
第２表■プリミティブ相関々係の演算以上のことから、各物体は第９図の如き階層構造によっ
て表現される。つまり、物体（ＯＢＪＥＣＴ）はいくつ
かのプロプ（ＢＬＯＢ ’）から構成され、さらに各プ
ロブは１個の外周（ＰＥＲＩＰＨＥＲＹ−１）といくつ
かの内周（ＰＥＲＩＰＨＥＲＹ−２）とから形成される
。各局は、上述の例ではプリミティブＰＲＩ〜ＰＲ５に
分解され、それぞれ属性値ＡＴＴ＝１〜ＡＴＴ−５を有
している。したがって、プリミティブが第１の周に含ま
れていれば、外周のプリミティブであることがわかり、
プリミティブの番号付けが、境界追跡のための所定のル
ールに従って行なわれている限りは、そのプリミティブ
の配列も、第９図の如き階層構造のトリー図から分かる
ことになる。Table 2 (2) Calculation of primitive correlations From the above, each object is represented by a hierarchical structure as shown in FIG. That is, an object (OBJECT) is composed of several props (BLOB'), and each probe is formed from one outer circumference (PERIPHERY-1) and several inner circumferences (PERIPHERY-2). In the above example, each station is decomposed into primitives PRI to PR5, each having attribute values ATT=1 to ATT-5. Therefore, if a primitive is included in the first circumference, it is known that it is a primitive on the outer circumference,
As long as the numbering of primitives is done according to the predetermined rules for boundary tracking, the arrangement of the primitives can also be seen from the hierarchical tree diagram as shown in FIG.
物体の各プリミティブの相関々係は、上述の如き例では
、第１０図の如く表現される。なお、この図を描くため
の規則は次の通りである。In the example described above, the interrelationships of each primitive of the object are expressed as shown in FIG. The rules for drawing this diagram are as follows.
（ａ） プロプの第１番目の周は外周であり、第２番目
以後は内周である。(a) The first circumference of the prop is the outer circumference, and the second and subsequent circumferences are the inner circumference.
（ｂ） プリミティブの番号付けは、境界線追跡の順番
に従って行な５゜以上によって、プリミティブの相関々係がめられたこと
になるが、こ〜での相関々係とは、プリミティブ同士の
連鎖を意味するものであり、個々のプリミティブの配列
順番と、外周および内周の区別を行なうものである。(b) Primitives are numbered according to the order of boundary line tracing, and a correlation of 5 degrees or more means that the primitives are correlated. Here, correlation refers to the chain of primitives. It is used to determine the arrangement order of individual primitives and to distinguish between the outer circumference and the inner circumference.
■主特徴点座標次に各プリミティブの位置関係を明らかにするために、
各プリミティブについて次の如き量をもって主特徴点を
定義する。■Main feature point coordinatesNext, to clarify the positional relationship of each primitive,
For each primitive, a main feature point is defined using the following quantities.
（ａ） 直線；両端点（２点）蝿、籠（ｂ） 円；中心（１点）蝿（Ｃ）楕円；焦点（２点）籠□、輸２（ｄ） 円弧；両端点と中心（３点）ＸＳｊＸＢ ｐ Ｘ□（ｅ） 楕円弧；両端点と中心（３点）ＸＢ ｊＸＢ
ｐ Ｘ□以上の関係を図示すると、第１１図の如くなる。(a) Straight line; both end points (2 points) fly, cage (b) Circle; center (1 point) fly (C) ellipse; focus (2 points) cage □, export 2 (d) Arc; both end points and center ( 3 points) XSjXB p X□ (e) Elliptical arc; both end points and center (3 points) XB jXB
p X □ The above relationship is illustrated in FIG. 11.
■距離マツプの演算次に、プリミティブＰＲｉとＰＲｊとの間に、距離Ｄｉ
ｊなる概念を導入する。各プリミティブ毎に、主特徴点
を第３表の如く対応させると、この距離Ｄｉｊは、Ｄｉｊ＝・・・・・・（１１）第３表ただし、プリミティブの種類によっては、主特徴点は１
つまたは２つで、３つない場合もあるが、その場合は、
（１１）式で表わされる行列Ｄｉｊの要素の部分は計算
しない。つまり、第３表の空白部には「０」を埋めると
ともに、主特徴点座標が「０」のときは、それに対応す
るＤｉｊの要素も「０」とするものである。そして、各
物体は、いくつかのプリミティブから構成されることに
なるので、このプリミティブ総数ＮＴＦＲに対して、距
離の個数は、”ＴＰＲＣ２となるが、この距離行列の集
合（Ｄｉｊ ）を、ここでは距離マツプと呼ぶことにす
る。なお、プリミティブの数とともに距離行列の数が増
え、処理時間が長くなるので、適宜な手段によって処理
の高速化を図ることが望ましい。■ Calculation of distance map Next, a distance Di between primitives PRi and PRj is calculated.
Introducing the concept of j. For each primitive, if the main feature points are associated as shown in Table 3, this distance Dij is: Dij= ...... (11) Table 3 However, depending on the type of primitive, the main feature point may be 1
There may be one or two, but not three; in that case,
The elements of the matrix Dij expressed by equation (11) are not calculated. That is, the blanks in Table 3 are filled with "0", and when the main feature point coordinates are "0", the corresponding element of Dij is also set to "0". Since each object is composed of several primitives, the number of distances is TPRC2 for the total number of primitives NTFR, but the set of distance matrices (Dij) is This will be referred to as a distance map. Note that the number of distance matrices increases with the number of primitives, and the processing time increases, so it is desirable to speed up the processing by appropriate means.
上記（１１）式は、主特徴点が３つの場合であったが、
第１番目の周についての主特徴点集合が、ｔ 、ｉ 、
１（Ｘｙｉ ｐ ＸＦ２ ｚ ””−”” ＸＦＭ ）で
、第１番目の周についてのそれがの如くであるとすると、その距離マツプＭＩ Ｊは、Ｍ
ｊｊ＝の如く表わされる。なお、ここで云５主特徴点集合は、
重複したものを含まない集合である。つまり、第５図（
Ａ）の如（表わされる物体の主特徴点の１つである、例
えば２１点はプリミティブｌと２によって重複して表わ
されることになるので、これをいずれか１つにまとめる
如き操作をした集合といつことである。Equation (11) above was for the case where there were three main feature points, but
The main feature point set for the first round is t , i ,
1 (Xyi p
It is expressed as jj=. In addition, here, the set of 5 main feature points is
It is a set that does not contain duplicates. In other words, Figure 5 (
A) (For example, 21 points, which are one of the main feature points of the represented object, are represented redundantly by the primitives l and 2, so a set is created by combining them into one.) That's when.
以上によって、成る物体についての学習が終了し、その
結果は、図示されない辞書メモリに格納される。そして
、対象とするすべての物体についての学習が終了したら
（第３図■参照）、以下に述べる識別モードに移行する
。Through the above steps, learning for the object is completed, and the results are stored in a dictionary memory (not shown). When the learning for all target objects is completed (see Figure 3, ■), the mode shifts to the identification mode described below.
第１２図は、画像処理プロセッサによる識別処理動作を
説明するためのフローチャートである。FIG. 12 is a flowchart for explaining the identification processing operation by the image processing processor.
いま、外部から識別指令が与えられると、まず、セグメ
ント情報を入力して（■参照）、境界点追跡を行なう（
■参照）。そして、各周毎に勾配と曲率から折点と変曲
点とを決定し、これによって周をプリミティブに分割し
た後（■参照）、各プリミティブの属性である、ネーム
、端点、中心、径、主方向および線分長をめる（■参照
）。なお、ここ迄の処理は、学習処理の場合と同じであ
る。各物体の辞書パターンとしては、プリミティブの階
層構造（相関々係を含む）およびその属性、各プリミテ
ィブに関する主特徴点および各周毎の主特徴点集合、さ
らには周間の距離マツプがあるので、これらを照合して
候補パターンを抽出する（■、■参照）。このとき、識
別対象は複数の物体を含んでいたり、互いに重なり合っ
たりしていて物体の境界が明確でないので、識別対象を
プリミティブに分解して辞書パターンとの一致度の高い
候補パターン、つまりプリミティブの組み合わせを抽出
する。また、プリミティブは切れていたり、並びが正し
くなかったりするので、いくつかの候補パターンが識別
対象の２ｖｉ画像から切り出される。これらについて主
特徴点をめ（■参照）、下記の如き２種類の評価量をも
とにして、候補パターンの中から適合するものを選択す
る（■、■参照）。なお、この評価量としては、次の２
つを考え、（ａ） 境界（長さ）一致度；δＢＮＤ（ｂ） 距離マ
ツプ一致度 ；δ廚これらの値が小さい候補パターンが識別結果とされる。Now, when an identification command is given from the outside, first, segment information is input (see ■), and boundary point tracking is performed (
■Reference). Then, after determining the break point and inflection point for each circumference from the slope and curvature, and dividing the circumference into primitives (see ■), the attributes of each primitive, such as name, end point, center, diameter, Calculate the main direction and line segment length (see ■). Note that the processing up to this point is the same as the learning processing. The dictionary pattern for each object includes the hierarchical structure of primitives (including correlations) and their attributes, the main feature points for each primitive, the set of main feature points for each round, and the distance map between the rounds. These are compared to extract candidate patterns (see ■, ■). At this time, since the object to be identified includes multiple objects or overlaps each other, and the boundaries of the objects are not clear, the object to be identified is broken down into primitives, and candidate patterns that have a high degree of agreement with the dictionary pattern are selected. Extract combinations. Furthermore, since the primitives may be cut off or arranged incorrectly, several candidate patterns are cut out from the 2vi image to be identified. For these, the main feature points are determined (see ■), and a matching one is selected from among the candidate patterns based on the following two types of evaluation amounts (see ■, ■). Note that this evaluation amount is based on the following two
(a) Boundary (length) matching degree; δBND (b) Distance map matching degree; δBND A candidate pattern with a small value is taken as the identification result.
こ５して、順次識別処理を行ない、識別対象となるプリ
ミティブがなくなれば、識別終了と々る（［相］参照）
。In this way, the identification process is performed sequentially, and when there are no more primitives to be identified, the identification ends (see [Phase]).
.
第１３図は、照合処理過程を説明するための模式図であ
る。FIG. 13 is a schematic diagram for explaining the verification processing process.
識別対象が同図（Ａ）の如く、複数の物体が重なり合っ
たものであるとすると、この職別対象の境界は、同図（
Ｂ）の如（プリミティブＰＩＬＩ〜ＰＲ７に分解される
。３つの物体０ＢＪ−１，０ＢＪ−２，０Ｉ３Ｊ−３に
ついて、マツプＭＡＰ−１，ＭＡＰ−２，Δ（ＡＰ−３
が同図（Ｅ）の如く予め学習されているものとすると、
これらのマツプにはプリミティブ属性や距離マツプ等が
含まれていることから、例えばプリミティブＰＲ３とＰ
Ｒ７については、辞書マツプのうちネームが円と楕円の
ものは、それぞれ０ＢＪ−１と０ＢＪ−３Ｌかないので
、直ちに照会することができる。なお、この２つの辞書
では、距離マツプが単純であるので、プリミティブの属
性チェックだけでも充分に同定することができる。残り
のプリミティブＰＲＩ、２．４〜６については、ネーム
は「１」の直線であり、辞書にも直線のプリミティブを
持つものは０ＢＪ−２だレナなので、後は、プリミティ
ブの対応づけを行なえばよい。したがって、同図（Ｃ）
の如く、例えばプリミティブＰＩＬ２−１を基準にして
、これに検査対象のプリミティブを対応付けて行く。Assuming that the object to be identified is a combination of multiple objects overlapping each other as shown in the figure (A), the boundary of this occupational object is as shown in the figure (A).
B) is decomposed into primitives PILI to PR7. For three objects 0BJ-1, 0BJ-2, 0I3J-3, maps MAP-1, MAP-2, Δ(AP-3
Assuming that has been learned in advance as shown in Figure (E),
These maps include primitive attributes, distance maps, etc., so for example, primitives PR3 and P
Regarding R7, the names of circles and ellipses in the dictionary map do not exist in 0BJ-1 and 0BJ-3L, respectively, so they can be immediately queried. Note that these two dictionaries have simple distance maps, so it is possible to sufficiently identify them just by checking the attributes of the primitives. For the remaining primitives PRI, 2.4 to 6, the name is "1", which is a straight line, and the dictionary also has a straight line primitive, which is 0BJ-2, so all that is left is to map the primitives. good. Therefore, the same figure (C)
For example, the primitive to be inspected is associated with the primitive PIL2-1, as shown in FIG.
直線の場合は端点が失われたり、直線が切れて擬似端点
が出たりするが、直線の端点け、次の直線との間の交点
をめることにより得られるので、このようにして端点を
推定しながら、距離マツプと一致する対応付けをめる。In the case of a straight line, the endpoints are lost or the straight line is cut and a pseudo endpoint appears, but it can be obtained by putting the endpoint of the straight line and finding the intersection with the next straight line, so you can find the endpoint in this way. While estimating, find a correspondence that matches the distance map.
このよ５にして得られた照合パターンが、上述の如き評
価量により評価され、識別結果として同図（Ｄ）の如く
出力される。なお、評価式は次の如く与えられる。The matching pattern obtained in step 5 is evaluated using the evaluation amount as described above, and the identification result is output as shown in FIG. 5(D). Note that the evaluation formula is given as follows.
こ〜で、Ｍ″ｊは辞書の距離マツプであり、會″ｊは照
合したプリミティブから得られた距離マツプであり、Ω
は物体についてのすべての組み、合わせを意味するもの
である。なお、評価量δｍｒＤは「１」に近い程良く、
また、δＭｉＡＰは「０」に近い程良いことは云う迄も
ない。Here, M″j is the distance map of the dictionary, M″j is the distance map obtained from the matched primitives, and Ω
means all combinations and combinations of objects. Note that the closer the evaluation amount δmrD is to “1”, the better;
It goes without saying that the closer δMiAP is to "0", the better.
以上をまとめると、以下の条件が成立するとき、被検査
対象は識別された（一致した）ものとする。To summarize the above, when the following conditions are met, the object to be inspected is identified (matched).
１δＢＮＤ−Ｉ ＫδＢＮＤＵ ・・・・・・（１５）
δＭＡＰ ＜ δＭＡＰＵ ・・・・・・（１６）ただ
し、δＢＮＤＵ ｐδＭＡＰＵは、それぞれ上限設定値
である。こうして識別モードでの処理が行なわれる。1δBND-I KδBNDU (15)
δMAP < δMAPU (16) However, δBNDU pδMAPU are respective upper limit setting values. Processing in the identification mode is thus performed.
第１４図はこの発明の変形例を示す構成図である。この
例は、辞書メモリ２６、フロッピーディスク装置等の補
助記憶装置２７を有して−・る点が特徴である。なお、
１０はフロッピーディスケットである。FIG. 14 is a configuration diagram showing a modification of the present invention. This example is characterized by having a dictionary memory 26 and an auxiliary storage device 27 such as a floppy disk device. In addition,
10 is a floppy diskette.
すなわち、学習モード時に得られた物体に関する辞書（
ＭＡＰデータ）を、大容量の辞書メモリ２６に登録して
おくことで学習した結果を残しておくものであり、さら
には、長期間保存するために、補助記憶として、例えば
フロッピーディスク装置２７を設け、フロッピーディス
ケット１ｕｌｌこて管理を行なプようにしたものである
。画像処理プロセッサ２４杜、識別対象の辞書のみを辞
書メモリ２６から読み出して、照合を行なう。この場合
、どの辞書を使用するか否かは、インタフェイス回路２
５を介して指示するようにする。That is, the dictionary related to objects obtained during learning mode (
MAP data) is registered in a large-capacity dictionary memory 26 to preserve the learned results.Furthermore, for long-term storage, a floppy disk device 27, for example, is provided as auxiliary memory. This system is designed to manage 1ull of floppy diskettes. The image processing processor 24 reads only the dictionary to be identified from the dictionary memory 26 and performs comparison. In this case, the interface circuit 2 determines which dictionary to use.
5.
この発明によれば、重なり合った複数の物体についても
、境界を所定のプリミティブに分割することで、辞書パ
ターンとして記憶する物体のプリミティブ属性および相
関々係、ならびに主特徴点についての距離ブックを照合
することにより、一般的な物体の識別が可能となるもの
である。また、この発明では、辞書パターンを学習モー
ドで作成することができるので、識別対象を簡単に辞書
へ登録することができる。さらに、物体の輪郭形状をプ
リミティブにて表現することで、辞書と未知物体との照
合の組み合わせを少なくしているので、照合処理の短縮
を図ることができる利点がもたらされるものである。According to this invention, even for multiple overlapping objects, by dividing the boundary into predetermined primitives, the primitive attributes and correlations of the objects stored as dictionary patterns and the distance book for the main feature points are collated. This makes it possible to identify common objects. Furthermore, according to the present invention, dictionary patterns can be created in learning mode, so that identification targets can be easily registered in the dictionary. Furthermore, by expressing the contour shape of the object using primitives, the number of combinations of matching between the dictionary and the unknown object is reduced, which provides the advantage of shortening the matching process.
第１図はこの発明の実施例を示す構成図、第２図は２値
化画像例を説明するための説明図、第３図は学習モード
時の処理動作を説明するフローチャート、第４図は学習
すべき物体とそのプリミティブ分割態様を説明するため
の説明図、第５図は物体とその勾配および曲率の関係を
説明するための説明図、第６図は方向コードとその増、
減量を説明するための説明図、第７図は方向コードの決
定方法を説明するための説明図、第８図は凸点および凹
点を説明するための説明図、第９図は第４図（Ａ）また
は第５図（Ａ）に示される物体の階層措造を説明するた
めの説明図、第１０図は同じく物体の位相関係を説明す
るための説明図、第１１図は各プリミティブの主特徴点
を説明するための説明図、第１２図は画像処理プロセッ
サによる識別処理動作を説明するためのフローチャート
、第１３図は照合処理過程を説明するための模式図、第
１４図はこの発明の変形例を示すＭｑ構成図ある。符号説明１・・・・・・工業用テレビジョン（ｉＴＶ）カメラ、
２・・・・・・物体識別装置、３・・・・・・モニタテ
レビ、４・・・・・・背景、５，６・・・・・・物体、
７・・・・・・円形物体、８・・・・・・矩形物体、９
・・・・・・背景、工０・・・・・・フロッピーディス
ケット、２１・・・・・・前処理回路、２２・・・・・
・特徴抽出回路、２３・・・・・・画像メモリ、２４・
・・・・・画像処理プロセッサ、２５・・−・・・イン
タフェイス回路、２６・・・・・・辞書メモリ、２７・
・・・・・補助記憶装置。代櫨人 弁理士 並 木 昭 夫代理人弁理士松 崎 清４第 ２ 図！＠３ 図第４図（Ａ）ＣＢ）０βＰ／？Ｉ ＰＰ２ Ｐ／？３ Ｐｌ？４十 〇ＰＰ５第５図（Ｃ） ｉ、１ν」＼４（７２）Ｑ−第７図（Ａ＞（Ｂ）第８図０β：ＪＥＣＴ−Ａ 物体層ＰＥＥ’１ＰＨＥＩ？Ｙ−４ＰＥＰＩＰＨＥ／？Ｙ−２
用層ＰＰＩ ＰＩ；？２ ＰＰ３ ＰＰ４ ＰＰ５ ブ
ソミディフ゛層第１０図第１１図（Ｎａｍｅ＝２） （Ｎａｍｅ＝３）（Ｎａｍｅ＝４） （Ｎａｍｅ＝５）第１３図 （Ｅ）第１４図（ＩＮ） （Ｏｒ）手続補正書昭和 ６へ６βＯ日特許庁長官 志 賀 学 殿１、事件の表示昭和５９年特許願第５８４７２号２、発明の名称物体識別装置３、補正をする者事件との関係 特許出願人住 所 川崎市川崎区田辺新田１番１号名 称 （５２
３）富士電機株式会社代表者阿部栄夫昭和５９年９月１日名称変更済（一括）４、代 理 人
■１０５ 電話０３（５８０）９５１３５、補正命令
の日付 自発６、補正により増加する発明の数 なし８、補正の内容１）（１）明細書第４頁第１０行目「構成図、」の次に
下記の文章を挿入する。「第１Ａ図は第１図に示す実施例の詳細構成図、」（２
）同第５頁第２行目ないし第８行目「特徴抽出回路２２
・・・・・・・・・プロセッサ２４は、」までの記載を
次の通り訂正する。［前処理回路２１は増幅回路２１ａ、コンパレータ２１
ｂ、Ｄ／Ａコンバータ２１ｃおよびミキシング回路２１
ｄとから構成されている。Ｄ／Ａコンバータ２１ｃには
、画像処理プロセッサ２４内のＣＰＵ２４ａより出力さ
れて２値化しきい値ラッチ回路２４ｂにラッチされてい
る２値化しきい値のバイトデータが入力されており、こ
のバイトデータがアナログデータに変換されて２値化し
きい値としてコンパレータ２１ｂに加えられる。コンパ
レータ２１ｂは増幅回路２１ａで増幅されたＩＴＶカメ
−）１からのビデオ信号をＤ／Ａコンバータ２１ｃより
出力された２値化しきい値と比較して２値信号を形成す
る。この２値信号は特徴抽出口路２２に出力されるとと
もに、ミキシング回路２１ｄにより同期信号とミキシン
グされて複合映像信号としてモニタＴＶ３に出力され、
このモニタＴＶ３により２値画像が観察されるように構
成されている。特徴抽出回路２２は、この２値化画像を所定の大きさの
画素に分割するとともに、各画素または一水平走査綜上
における画素のつらなりを表わすセグメント等に関する
情報を抽出し、ＤＭＡ（Ｄｉｒｅｃｔ Ｍｅｍｏｒｙ
Ａｃｃｅｓｓ ）モードで画像メモリ２３に書き込む。このために、特徴抽出回路２２は、走査線６本分の今回
、前回、および前々回の２値化信号を記憶する３×３の
２次元局部メモリ２２ａ１水平（Ｘ）方向タイミング発
生回路２２ｂ、 垂直（Ｙ）方向タイミング発生回路２
２ｃ。セグメント検出回路２２ｄ１ ）ツブセグメント検出回
路２２ｅ、セグメント重複検出回路２２ｆ。右端検出回路２２ｇ１セグメント長カウンタ２２ｈ、セ
グメントＹ座標検出回路２２門、ジヨイント検出回路２
２ｊ、単片カウンタ２２に、セグメントラベル・単片番
号ラッチ回路２２ｔ、右端座標２ツチ回路２２ｍ１セグ
メント長ラッチ回路２２ｎ、セグメン）Ｙ座標ラッチ回
路２２０、連結対ラッチ回路２２ｐ等から構成されてい
る。このような構成において、コンパレータ２１ｂより出力
された２値信号は２次元局部メモリ２２ａに加えられ、
メモリ２２ａにより６×３の移動マスクが形成されてい
るため、３×３の画素が出力される。このとき、６Ｍｋ
の基本クロックをもとにして、タイミング発生回路２２
ｂ、２２ｃよりタイミングパルスが発生される。３×３
の移動マスクにより黒画素の水平方向のつながりである
セグメントの終端がセグメント検出回路２２ｄで検出さ
れ、セグメントデータのメモリへの書込みのときのアド
レス発生に使われる。トップセグメント検出回路２２ｅ
は３×３の移動マスクで上側の走査線上に黒画素が発生
していないセグメントを検出し、そのセグメントを単片
カウンタ２２にでカウントさせることにより、単片番号
（セグメントラベルと同じ）を発生させる。つまり、単
片カウンタ２２にの出力はそれまでのトップセグメント
の数として出力される。セグメント重複検出回路２２ｆ
は前走査線の何番目のセグメントと重なったかをチェッ
クして、その重なったセグメントのラベル（つまり単片
番号）を着目セグメントのラベルとしてセグメントラベ
ル・単片番号ラッチ回路２２ｔにラッチさせる。右端検
出回路２２ｇは各セグメントの右端を検出して、その検
出したときのＸ座標を水平方向タイミング発生回路２２
ｂの出力からめ、右端座標ラッチ回路２２ｍＫラッチさ
せる。同様に、セグメントＹ座標検出回路２２ｉはセグ
メントが検出されたときのＹ座標を垂直方向タイミング
発生回路２２ｃの出力からめ、セグメン）Ｙ座標ラッチ
回路２２ｏにラッチさせる。セグメント長カウンタ２２
ｈはセグメント検出のタイミングで、それまでのカウン
ト値をセグメント長ラッチ回路２２ｎにラッチさせたの
ちカウンタをクリアし、そして次のセグメントの画素を
次々とセグメントの終端を検出するまでカウントしてい
く。ジヨイント検出回路２２ｊは着目走査線の前の走査
線上で着目セグメントと重なるセグメントが複数ある場
合に機能するものであり、複数ある場合にはセグメント
重複検出回路２２ｆで検出された前の重なるセグメント
の２ベルを対で連結対ラッチ回路２２ｐにラッチさせる
。このようにして各ラッチ回路にラッチされたセグメント
情報は、画像処理プロセッサ２４内の画像取込指令発生
回路２４ｃからの指令の発生タイミングで画像メモリ２
３に１画面分記憶される。このために、画像メモリ２３は、特徴抽出回路２２内の
各ラッチ回路に接続されるバッファ２３ａと、セグメン
トラベルメモリ２６ｂと、右端座標メモリ２３ｃと、セ
グメント長メモリ２３ｄと、垂直（Ｙ）座標メモ’）２
５ｅと、連結対データメモリ２５ｆと、単片数ラッチ回
路２５ｇと、セグメントアドレス発生回路２３ｈと、連
結対アドレス発生回路２３ｉと、連結対数ラッチ回路２
３ｊとからｉ１Ｊ成されている。なお、奇メモリはＲＡ
Ｍにて構成される。セグメントア、ドレス発生回路２３
ｈは、セグメント検出回路２２ｄからのセグメント検出
のクロックをカウントしてこのカウント値をアドレス信
号として発生する。セグメントアドレス発生回路２３ｈ
からのアドレス信号により、セグメントラベルメモリ２
６ｂ、右端座標メモリ２６Ｃ，セグメント長メモリ２３
ｄ１垂直座標メモリ２５ｅの該尚アドレス箇所への書込
みが行なわれるため、各メモリには各セグメントに対応
してセグメントラベル、右端座標、セグメント長、垂直
座標が記憶される。また、連結対アドレス発生回路２３
ｊはジヨイント検出回１３２２ｊからのジヨイント検出
のパルス数をカウントしてアドレス信号として連結対デ
ータメモリ２３ｆに出力するものであり、連結対データ
メモリ２３ｆはこのアドレス信号により指定された箇所
に連結対ラッチ回路２２ｐにラッチされている重なるセ
グメントのラベル対と、セグメントアドレス発生回路２
３ｈから出力されるアドレス・信号とをそれぞれデータ
として記憶する。さらに、連結対アドレス発生回路２３
ｉのカウント値は連結対数ラッチ回路２ＳＪにラッチさ
れる。このようにして各セグメント情報が画像メモリ２３内に
記憶されるが、画像処理プロセッサ２４はプログラムメ
モリ２４ｄ内のプログラムに基づいて画像メモリ２３内
のセグメント情報を読取って作業メモリ２４ｅに格納し
たのち、」０８Ａ細書第２８頁＠１５行目「構成図、」
の次に下記の文章を挿入する。「第１Ａ図はｔＪｃ１図に示す実施例の詳細構成図、」
（ＩＩＩ）第１Ａ図を添付図面のとおり追加する。FIG. 1 is a block diagram showing an embodiment of the present invention, FIG. 2 is an explanatory diagram for explaining an example of a binarized image, FIG. 3 is a flowchart explaining processing operations in learning mode, and FIG. An explanatory diagram for explaining the object to be learned and its primitive division mode, Fig. 5 is an explanatory diagram for explaining the relationship between the object and its slope and curvature, and Fig. 6 is an explanatory diagram for explaining the direction code and its increase.
FIG. 7 is an explanatory diagram for explaining the method of determining the direction code. FIG. 8 is an explanatory diagram for explaining convex points and concave points. An explanatory diagram for explaining the hierarchical structure of objects shown in (A) or FIG. An explanatory diagram for explaining the main feature points, FIG. 12 is a flowchart for explaining the identification processing operation by the image processing processor, FIG. 13 is a schematic diagram for explaining the matching process, and FIG. 14 is the present invention. There is an Mq configuration diagram showing a modification example. Code explanation 1...Industrial television (iTV) camera,
2...Object identification device, 3...Monitor TV, 4...Background, 5, 6...Object,
7...Circular object, 8...Rectangular object, 9
...Background, Engineering 0...Floppy diskette, 21...Preprocessing circuit, 22...
・Feature extraction circuit, 23... Image memory, 24.
... Image processing processor, 25 ... Interface circuit, 26 ... Dictionary memory, 27.
...Auxiliary storage device. Representative Patent Attorney Akio Namiki Representative Patent Attorney Kiyoshi Matsuzaki 4 Figure 2! @3 Figure 4 (A) CB) 0β P/? I PP2 P/? 3 Pl? 40 〇PP5 Fig. 5 (C) i, 1 ν'' \ 4 (72) Q- Fig. 7 (A> (B) Fig. 8 0β: JECT-A Object layer PEE'1PHEI?Y-4PEPIPHE/? Y-2
Layer PPI PI;? 2 PP3 PP4 PP5 Busomi Diff Layer Figure 10 Figure 11 (Name=2) (Name=3) (Name=4) (Name=5) Figure 13 (E) Figure 14 (IN) (Or) Procedural Amendment 1986 to 6β0 Japan Patent Office Commissioner Manabu Shiga 1, Indication of the case 1988 Patent Application No. 58472 2, Name of the invention Object identification device 3, Person making the amendment Relationship to the case Patent applicant Address Kawasaki City 1-1 Tanabeshinden, Kawasaki-ku Name (52)
3) Fuji Electric Co., Ltd. Representative Hideo Abe Name changed (all at once) on September 1, 1980 4. Agent ■105 Telephone 03 (580) 95135 Date of amendment order Voluntary action 6. Inventions increased by amendment Number None 8, Contents of amendment 1) (1) Insert the following sentence next to "Configuration diagram," on page 4, line 10 of the specification. ``Figure 1A is a detailed configuration diagram of the embodiment shown in Figure 1.'' (2
)Page 5, lines 2 to 8, “Feature extraction circuit 22
. . . The processor 24 corrects the description up to "" as follows. [The preprocessing circuit 21 includes an amplifier circuit 21a and a comparator 21
b, D/A converter 21c and mixing circuit 21
It is composed of d. The D/A converter 21c receives byte data of the binarization threshold outputted from the CPU 24a in the image processing processor 24 and latched in the binarization threshold latch circuit 24b, and this byte data is It is converted into analog data and applied to the comparator 21b as a binarized threshold value. The comparator 21b compares the video signal from the ITV camera 1 amplified by the amplifier circuit 21a with the binarization threshold output from the D/A converter 21c to form a binary signal. This binary signal is output to the feature extraction port 22, mixed with a synchronization signal by the mixing circuit 21d, and output to the monitor TV 3 as a composite video signal.
This monitor TV3 is configured so that a binary image can be observed. The feature extraction circuit 22 divides this binarized image into pixels of a predetermined size, extracts information regarding each pixel or a segment representing a chain of pixels on one horizontal scanning axis, etc., and performs DMA (Direct Memory
(Access) mode to the image memory 23. For this purpose, the feature extraction circuit 22 includes a 3×3 two-dimensional local memory 22a that stores the current, previous, and two-previous binarized signals for six scanning lines, a horizontal (X) direction timing generation circuit 22b, and a vertical timing generation circuit 22b. (Y) direction timing generation circuit 2
2c. Segment detection circuit 22d1) Tube segment detection circuit 22e, segment duplication detection circuit 22f. Right end detection circuit 22g1 Segment length counter 22h, Segment Y coordinate detection circuit 22 gates, Joint detection circuit 2
2j, the single-piece counter 22 is comprised of a segment label/single-piece number latch circuit 22t, a right-end coordinate two-touch circuit 22m, a segment length latch circuit 22n, a segment) Y-coordinate latch circuit 220, a connected pair latch circuit 22p, and the like. In such a configuration, the binary signal output from the comparator 21b is added to the two-dimensional local memory 22a,
Since a 6×3 moving mask is formed by the memory 22a, 3×3 pixels are output. At this time, 6Mk
The timing generation circuit 22 is based on the basic clock of
Timing pulses are generated from b and 22c. 3×3
Using the moving mask, the end of the segment, which is a horizontal connection of black pixels, is detected by the segment detection circuit 22d, and is used to generate an address when writing segment data to the memory. Top segment detection circuit 22e
detects a segment in which no black pixel occurs on the upper scanning line using a 3×3 moving mask, and generates a single piece number (same as the segment label) by having the single piece counter 22 count the segment. let In other words, the output to the single piece counter 22 is the number of top segments up to that point. Segment duplication detection circuit 22f
checks which segment of the previous scanning line it overlaps with, and causes the segment label/single number latch circuit 22t to latch the label of the overlapping segment (that is, the single piece number) as the label of the segment of interest. The right edge detection circuit 22g detects the right edge of each segment and transmits the X coordinate at the time of detection to the horizontal timing generation circuit 22.
From the output of b, the right end coordinate latch circuit 22mK is latched. Similarly, the segment Y coordinate detection circuit 22i uses the output of the vertical timing generation circuit 22c to determine the Y coordinate when the segment is detected, and causes the segment Y coordinate latch circuit 22o to latch the Y coordinate. Segment length counter 22
h is the timing of segment detection; after the count value up to that point is latched in the segment length latch circuit 22n, the counter is cleared, and the pixels of the next segment are counted one after another until the end of the segment is detected. The joint detection circuit 22j functions when there are a plurality of segments that overlap with the segment of interest on the scanning line before the scanning line of interest, and if there are multiple segments, two or more of the previous overlapping segments detected by the segment duplication detection circuit 22f are used. The bells are latched in pairs by the connected pair latch circuits 22p. The segment information latched in each latch circuit in this manner is transferred to the image memory 2 at the timing of generation of a command from the image capture command generation circuit 24c in the image processing processor 24.
3, one screen is stored. For this purpose, the image memory 23 includes a buffer 23a connected to each latch circuit in the feature extraction circuit 22, a segment label memory 26b, a right-end coordinate memory 23c, a segment length memory 23d, and a vertical (Y) coordinate memo. ')2
5e, a connected pair data memory 25f, a single piece number latch circuit 25g, a segment address generation circuit 23h, a connected pair address generation circuit 23i, and a connected logarithm latch circuit 2.
3j and i1J were formed. Note that odd memory is RA
Consists of M. Segment address, address generation circuit 23
h counts the segment detection clock from the segment detection circuit 22d and generates this count value as an address signal. Segment address generation circuit 23h
Segment label memory 2
6b, right end coordinate memory 26C, segment length memory 23
Since writing is performed to the corresponding address location in the d1 vertical coordinate memory 25e, a segment label, right end coordinate, segment length, and vertical coordinate are stored in each memory in association with each segment. In addition, the concatenated pair address generation circuit 23
j is for counting the number of joint detection pulses from the joint detection circuit 1322j and outputting it as an address signal to the connected pair data memory 23f, and the connected pair data memory 23f latches the connected pair at the location specified by this address signal. The overlapping segment label pair latched in the circuit 22p and the segment address generation circuit 2
The address and signal output from 3h are each stored as data. Furthermore, the concatenated pair address generation circuit 23
The count value of i is latched in the connected logarithm latch circuit 2SJ. In this way, each segment information is stored in the image memory 23, but the image processing processor 24 reads the segment information in the image memory 23 based on the program in the program memory 24d and stores it in the working memory 24e. ” 08A specification page 28 @ line 15 “Configuration diagram,”
Insert the following sentence after. "Figure 1A is a detailed configuration diagram of the embodiment shown in Figure tJc1."
(III) Figure 1A is added as shown in the attached drawings.
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59058472AJPS60204086A (en) | 1984-03-28 | 1984-03-28 | Object discriminating device |
| US07/033,889US4712248A (en) | 1984-03-28 | 1987-04-03 | Method and apparatus for object identification |
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59058472AJPS60204086A (en) | 1984-03-28 | 1984-03-28 | Object discriminating device |
| Publication Number | Publication Date |
|---|---|
| JPS60204086Atrue JPS60204086A (en) | 1985-10-15 |
| JPH0312750B2 JPH0312750B2 (en) | 1991-02-20 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59058472AGrantedJPS60204086A (en) | 1984-03-28 | 1984-03-28 | Object discriminating device |
| Country | Link |
|---|---|
| US (1) | US4712248A (en) |
| JP (1) | JPS60204086A (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62206674A (en)* | 1986-03-07 | 1987-09-11 | Agency Of Ind Science & Technol | Model producing device for recognition of object |
| JPS6470890A (en)* | 1987-09-11 | 1989-03-16 | Fuji Electric Co Ltd | Method for writing contour of graphic |
| JPH01161487A (en)* | 1987-12-18 | 1989-06-26 | Fuji Electric Co Ltd | Object recognizing method |
| US5111516A (en)* | 1989-04-11 | 1992-05-05 | Kabushiki Kaisha Toyota Chuo Kenkyusho | Apparatus for visual recognition |
| JP2007502473A (en)* | 2003-08-15 | 2007-02-08 | スカーペ アクティーゼルスカブ | Computer vision system for classification and spatial localization of bounded 3D objects |
| WO2017038377A1 (en)* | 2015-08-31 | 2017-03-09 | 株式会社 日立ハイテクノロジーズ | Image processing apparatus for semiconductor pattern image |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4783829A (en)* | 1983-02-23 | 1988-11-08 | Hitachi, Ltd. | Pattern recognition apparatus |
| US4876728A (en)* | 1985-06-04 | 1989-10-24 | Adept Technology, Inc. | Vision system for distinguishing touching parts |
| US5003498A (en)* | 1986-01-13 | 1991-03-26 | Hitachi, Ltd. | Graphic display method |
| FR2608295B1 (en)* | 1986-12-12 | 1989-03-31 | France Etat | METHOD AND DEVICE FOR RECOGNIZING CHARACTERS |
| JP2535927B2 (en)* | 1987-07-09 | 1996-09-18 | アイシン精機株式会社 | On-vehicle distance detection device |
| JP2570315B2 (en)* | 1987-09-01 | 1997-01-08 | アイシン精機株式会社 | On-vehicle distance detection device |
| US5214719A (en)* | 1989-02-28 | 1993-05-25 | Phoenix Imaging | Computer-based system and method for character recognition |
| EP0385009A1 (en)* | 1989-03-03 | 1990-09-05 | Hewlett-Packard Limited | Apparatus and method for use in image processing |
| US5054094A (en)* | 1990-05-07 | 1991-10-01 | Eastman Kodak Company | Rotationally impervious feature extraction for optical character recognition |
| US5317652A (en)* | 1991-06-05 | 1994-05-31 | Phoenix Imaging | Rotation and position invariant optical character recognition |
| DE69332918D1 (en)* | 1992-01-24 | 2003-06-05 | Canon Kk | Device and method for extracting edge data and for encoding image data with this edge data |
| US5452371A (en)* | 1992-05-27 | 1995-09-19 | Apple Computer, Inc. | Method of aligning shapes on a display of a computer system |
| US6118886A (en)* | 1993-03-30 | 2000-09-12 | The United States Of America As Represented By The United States Department Of Energy | Automatic target recognition apparatus and method |
| US6463176B1 (en)* | 1994-02-02 | 2002-10-08 | Canon Kabushiki Kaisha | Image recognition/reproduction method and apparatus |
| US5751853A (en)* | 1996-01-02 | 1998-05-12 | Cognex Corporation | Locating shapes in two-dimensional space curves |
| US6173066B1 (en) | 1996-05-21 | 2001-01-09 | Cybernet Systems Corporation | Pose determination and tracking by matching 3D objects to a 2D sensor |
| US5905651A (en)* | 1997-01-16 | 1999-05-18 | Nordson Corporation | Parts identification system for powder spray coating system |
| US6735253B1 (en) | 1997-05-16 | 2004-05-11 | The Trustees Of Columbia University In The City Of New York | Methods and architecture for indexing and editing compressed video over the world wide web |
| US6122397A (en)* | 1997-07-03 | 2000-09-19 | Tri Path Imaging, Inc. | Method and apparatus for maskless semiconductor and liquid crystal display inspection |
| US6714679B1 (en)* | 1998-02-05 | 2004-03-30 | Cognex Corporation | Boundary analyzer |
| US7143434B1 (en) | 1998-11-06 | 2006-11-28 | Seungyup Paek | Video description system and method |
| EP1125227A4 (en)* | 1998-11-06 | 2004-04-14 | Univ Columbia | SYSTEMS AND METHODS FOR INTEROPERABLE MULTIMEDIA CONTENTS |
| DE60121443T2 (en)* | 2000-05-19 | 2007-02-15 | Koninklijke Philips Electronics N.V. | Block-based motion or depth estimation |
| US6466158B2 (en) | 2000-12-08 | 2002-10-15 | Lockheed Martin Corp. | Identifying closely clustered moving targets |
| US7113617B2 (en)* | 2000-12-12 | 2006-09-26 | Hewlett-Packard Development Company, L.P. | Method of computing sub-pixel Euclidean distance maps |
| CA2354301A1 (en)* | 2001-07-27 | 2003-01-27 | Djamel Yahia Meddah | Geometric hashing for model-based recognition of an object |
| US7339992B2 (en) | 2001-12-06 | 2008-03-04 | The Trustees Of Columbia University In The City Of New York | System and method for extracting text captions from video and generating video summaries |
| US7149356B2 (en)* | 2002-07-10 | 2006-12-12 | Northrop Grumman Corporation | System and method for template matching of candidates within a two-dimensional image |
| US7116823B2 (en)* | 2002-07-10 | 2006-10-03 | Northrop Grumman Corporation | System and method for analyzing a contour of an image by applying a Sobel operator thereto |
| US7146057B2 (en)* | 2002-07-10 | 2006-12-05 | Northrop Grumman Corporation | System and method for image analysis using a chaincode |
| WO2006096612A2 (en) | 2005-03-04 | 2006-09-14 | The Trustees Of Columbia University In The City Of New York | System and method for motion estimation and mode decision for low-complexity h.264 decoder |
| JP2007122218A (en)* | 2005-10-26 | 2007-05-17 | Fuji Xerox Co Ltd | Image analyzing device |
| ITUD20050203A1 (en)* | 2005-11-29 | 2007-05-30 | Isomorph S R L | DEVICE AND PROCEDURE FOR RECOGNIZING AN OBJECT IN AN IMAGE |
| WO2008147877A1 (en)* | 2007-05-22 | 2008-12-04 | Trimble Navigation Limited | Handling raster image 3d objects |
| WO2009126785A2 (en) | 2008-04-10 | 2009-10-15 | The Trustees Of Columbia University In The City Of New York | Systems and methods for image archaeology |
| WO2009155281A1 (en) | 2008-06-17 | 2009-12-23 | The Trustees Of Columbia University In The City Of New York | System and method for dynamically and interactively searching media data |
| US8671069B2 (en) | 2008-12-22 | 2014-03-11 | The Trustees Of Columbia University, In The City Of New York | Rapid image annotation via brain state decoding and visual pattern mining |
| CA2788079C (en)* | 2010-01-29 | 2018-01-02 | Monosol, Llc | Improved water-soluble film having blend of pvoh polymers, and packets made therefrom |
| US9218538B2 (en)* | 2013-01-30 | 2015-12-22 | Xerox Corporation | Methods and systems for detecting an object borderline |
| US20150071541A1 (en)* | 2013-08-14 | 2015-03-12 | Rice University | Automated method for measuring, classifying, and matching the dynamics and information passing of single objects within one or more images |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS52152124A (en)* | 1976-06-14 | 1977-12-17 | Nippon Telegr & Teleph Corp <Ntt> | Figure inputting |
| JPS58181180A (en)* | 1982-04-16 | 1983-10-22 | Mitsubishi Electric Corp | Line figure recognition device |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5619657B2 (en)* | 1973-09-10 | 1981-05-08 | ||
| US3979722A (en)* | 1974-05-31 | 1976-09-07 | Nippon Electric Company, Ltd. | Automatic character recognition device employing dynamic programming |
| JPS51118333A (en)* | 1975-04-11 | 1976-10-18 | Hitachi Ltd | Pattern recognition system |
| NL7810943A (en)* | 1978-11-03 | 1980-05-07 | Philips Nv | LEARNING DEVICE FOR RECOGNIZING PATTERNS OF DIGITAL SIGNALS. |
| JPS5926064B2 (en)* | 1979-09-10 | 1984-06-23 | 工業技術院長 | Feature extraction device for contour images |
| US4396903A (en)* | 1981-05-29 | 1983-08-02 | Westinghouse Electric Corp. | Electro-optical system for correlating and integrating image data from frame-to-frame |
| JPS59790A (en)* | 1982-06-28 | 1984-01-05 | Fuji Electric Co Ltd | pattern identification device |
| JPS5930179A (en)* | 1982-08-10 | 1984-02-17 | Agency Of Ind Science & Technol | Segment approximation system of pattern |
| FR2540263B1 (en)* | 1983-01-31 | 1988-05-20 | Commissariat Energie Atomique | METHOD FOR AUTOMATICALLY RECOGNIZING AN IMAGE FROM A CORRESPONDING REFERENCE IMAGE |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS52152124A (en)* | 1976-06-14 | 1977-12-17 | Nippon Telegr & Teleph Corp <Ntt> | Figure inputting |
| JPS58181180A (en)* | 1982-04-16 | 1983-10-22 | Mitsubishi Electric Corp | Line figure recognition device |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62206674A (en)* | 1986-03-07 | 1987-09-11 | Agency Of Ind Science & Technol | Model producing device for recognition of object |
| JPS6470890A (en)* | 1987-09-11 | 1989-03-16 | Fuji Electric Co Ltd | Method for writing contour of graphic |
| JPH01161487A (en)* | 1987-12-18 | 1989-06-26 | Fuji Electric Co Ltd | Object recognizing method |
| US5111516A (en)* | 1989-04-11 | 1992-05-05 | Kabushiki Kaisha Toyota Chuo Kenkyusho | Apparatus for visual recognition |
| JP2007502473A (en)* | 2003-08-15 | 2007-02-08 | スカーペ アクティーゼルスカブ | Computer vision system for classification and spatial localization of bounded 3D objects |
| US7822264B2 (en) | 2003-08-15 | 2010-10-26 | Scape A/S | Computer-vision system for classification and spatial localization of bounded 3D-objects |
| WO2017038377A1 (en)* | 2015-08-31 | 2017-03-09 | 株式会社 日立ハイテクノロジーズ | Image processing apparatus for semiconductor pattern image |
| Publication number | Publication date |
|---|---|
| US4712248A (en) | 1987-12-08 |
| JPH0312750B2 (en) | 1991-02-20 |
| Publication | Publication Date | Title |
|---|---|---|
| JPS60204086A (en) | Object discriminating device | |
| CN105426530B (en) | Trademark retrieving method, device and system | |
| US7106904B2 (en) | Form identification method | |
| CN114581915A (en) | Noise robust multi-class dial plate pointer reading identification method and device | |
| JP3372111B2 (en) | Watt hour meter character recognition device | |
| US20090022405A1 (en) | System and method for video object identification | |
| CN112632926B (en) | Bill data processing method and device, electronic equipment and storage medium | |
| JP2864735B2 (en) | Object identification method and apparatus, and image processing method and apparatus for object identification | |
| CN114842205A (en) | Vehicle damage detection method, device, equipment and storage medium | |
| CN112200004B (en) | Training method and device for image detection model and terminal equipment | |
| CN116205835A (en) | Circuit board defect detection method, device and electronic equipment | |
| CN117935246A (en) | Instrument indication number recognition method and device based on deep learning technology | |
| JP2002373334A (en) | Device and method for extracting fingerprint characteristic and fingerprint extraction program | |
| JP6175904B2 (en) | Verification target extraction system, verification target extraction method, verification target extraction program | |
| JPH08101893A (en) | Model image data registering device for image processor | |
| Peng et al. | Document image matching based on component blocks | |
| JPH01271883A (en) | Detecting system for center of fingerprint | |
| JP4486351B2 (en) | Seal verification device, seal verification method and seal verification program | |
| KR102713557B1 (en) | Input automation system of appearance inspection drawings for construction structure using scaner, and method for the same | |
| JP3303748B2 (en) | Registration method of reference one-dimensional data string, image recognition method, registration device, image recognition device, and recording medium | |
| JP4648084B2 (en) | Symbol recognition method and apparatus | |
| JP3157530B2 (en) | Character extraction method | |
| JPH04260980A (en) | Shape recognition device | |
| JP2964594B2 (en) | Mark inspection method | |
| JPH04112276A (en) | Binary picture contour line chain encoding device |